一种具有便携式可调整压力传感器的防压疮智能系统

    公开(公告)号:CN117442446A

    公开(公告)日:2024-01-26

    申请号:CN202311653372.X

    申请日:2023-12-04

    Applicant: 东南大学

    Abstract: 本发明公开了一种具有便携式可调整压力传感器的防压疮智能系统,该系统在床垫两侧分别放置分段式滑轨,在控制传感器横向移动的方面,通过导线的伸缩来完成传感器伸缩移动的目的,并通过螺丝旋转来固定导线;在控制传感器纵向移动的方面,在滑轨上安装滑块,滑块在滑轨上可以自由移动,每个滑块与一个固定块结合,每个固定块固定一个传感器,通过移动滑块带动固定块移动,进而带动传感器纵向移动。在滑轨内侧安装磁铁,通过磁吸效果将滑轨固定在床的两侧。通过以上方法,实现传感器在床垫上位置的固定,滑轨通过磁铁相吸的方式固定在床的侧面。本发明可以实现传感器在床垫上的局部自由移动,对不同身高体重人群的关键部位进行有效压力监测。

    一种基于非接触心电的呼吸障碍评估系统及方法

    公开(公告)号:CN116269205A

    公开(公告)日:2023-06-23

    申请号:CN202211089901.3

    申请日:2022-09-07

    Applicant: 东南大学

    Abstract: 本发明提供了一种基于非接触心电的呼吸障碍评估系统及方法,其中系统包括非接触心电采集设备、非接触心电的信号质量评估模块、呼吸信号低频能量阈值判别模块、非接触心电呼吸信号提取与呼吸障碍评估模块。有益效果在于:本发明的系统能够隔着一层衣服采集患者的心电及呼吸耦合信号,这种非接触式测量方法相较于传统接触式湿电极测量方法具有可长期监测、舒适性高等优点;能根据非接触心电信号的特点进行信号特征的提取,具有高准确率的优点。本发明的方法针对两种情况使用不同的呼吸信号提取方法,在完成呼吸信号提取之后,再进行呼吸障碍事件的判断;基于非接触心电的特征,能够高效、高准确地完成信号处理相关任务。

    多传感器非标准位置体温监测方法、装置及可穿戴设备

    公开(公告)号:CN118476791A

    公开(公告)日:2024-08-13

    申请号:CN202410555701.5

    申请日:2024-05-07

    Applicant: 东南大学

    Abstract: 本发明公开多传感器非标准位置体温监测方法、装置及可穿戴设备,属于体温测量领域;多传感器非标准位置体温监测方法基于包括温度模块、血流状态模块、心率模块和气压模块的智能胸贴;监测方法包括:S101,通过所述智能胸贴获取心率变异性信息、环境信息;S102,将获取的心率变异性信息、环境信息与设定阈值比较,在阈值范围内则返回S101,超出阈值,则进入S103;S103,通过所述心率模块获取佩戴者组织代谢率,通过所述血流状态模块获取佩戴者测量组织处血液灌注率,通过温度模块采集皮肤温度、PPE内环境温度;S104,通过Pennes传热方程计算佩戴者核心体温。

    一种基于非接触传感手段的呼吸引导与调节系统

    公开(公告)号:CN116807449A

    公开(公告)日:2023-09-29

    申请号:CN202310814283.2

    申请日:2023-07-04

    Applicant: 东南大学

    Abstract: 本发明公开一种基于非接触传感手段的呼吸引导与调节系统,包括非接触式呼吸信号采集硬件模块、上位机显示模块、呼吸特征提取模块、呼吸模式识别模块、呼吸引导与调节模块,其中非接触式呼吸信号采集硬件模块包含毫米波雷达传感器模块和单片机模块,用于采集和预处理人体呼吸信号,并通过串口通信与上位机进行数据传输;上位机显示模块用于呼吸特征数据等的显示;呼吸特征提取模块用于提取呼吸频率、呼吸比等呼吸特征数据;呼吸模式识别模块用于胸式呼吸和腹式呼吸模式的识别;呼吸引导与调节模块根据目标呼吸频率指示,引导目标示完成腹式呼吸引运动。本发明能够非接触式地对用户做出呼吸引导闭环调控,完成呼吸频率的调节,改善人体生理状态。

    基于长程信号和多特征提取的睡眠节律紊乱检测方法及装置

    公开(公告)号:CN120000155A

    公开(公告)日:2025-05-16

    申请号:CN202411849683.8

    申请日:2024-12-16

    Applicant: 东南大学

    Abstract: 本发明涉及一种基于长程信号和多特征提取的睡眠节律紊乱检测方法及装置,其中方法包括:步骤S1:获得目标用户的生理信号,其中,生理信号至少包括心率;步骤S2:对生理信号进行预处理和峰值提取;步骤S3:基于预处理后的生理信号提取根据处理后的信号利用多域特征提取算法进行多域心率变异性特征提取;步骤S4:对提取的多域心率变异性特征进行多域特征集构建以及节律紊乱风险类别划分;步骤S5:利用随机森林算法构建睡眠节律状态评估模型,对潜在的睡眠节律紊乱风险进行检测。与现有技术相比,本发明具有在提高了准确率的同时解决了需要频繁采集生理信号的工作量的问题等优点。

Patent Agency Ranking